1.一种视网膜图像血管分割方法，其特征在于：包括如下步骤：S1、对彩色视网膜图像进行预处理，包括对视网膜图像进行灰度化处理和掩膜处理，得到视网膜灰度图像；

S2、计算视网膜灰度图像的纹理特征的能量和标准差，计算获得基于能量特征分割处理后的第一视网膜分割图像和基于标准差特征分割处理后的第二视网膜分割图像；

S3、提取彩色视网膜图像的绿色分量通道，进行最大类间差法处理后，辅以删除小连通域操作和删除大连通域操作，得到第三视网膜分割图像；

S4、将第一视网膜分割图像、第二视网膜分割图像和第三视网膜分割图像进行相加处理，二值化处理后获得最终视网膜血管分割图像。

2.根据权利要求1所述的分割方法，其特征在于：步骤S2中，用于获取灰色图像的纹理特征的能量和标准差的步骤包括：S211、提取灰度图像；

S212、对视网膜灰度图像进行灰度级量化；

S213、通过灰度共生矩阵分别计算纹理特征的能量和标准差；

S214、分别生成对应能量的能量特征矩阵和对应标准差的标准差特征矩阵。

3.根据权利要求2所述的分割方法，其特征在于：步骤S213中，计算四组不同步长灰度共生矩阵分别在四个方向上的能量特征值，所述四个方向分别为0°、45°、90°、135°；

对上述计算获得的16组能量特征值取平均值作为视网膜灰度图像的最终能量特征值。

4.根据权利要求3所述的分割方法，其特征在于：所有所述灰度共生矩阵的窗口大小均为17x17，灰度等级均为8级，所述四组灰度共生矩阵的步长分别为1、2、3、4。

5.根据权利要求3所述的分割方法，其特征在于：步骤S2中，基于能量特征分割处理的步骤包括：提取能量特征矩阵，选取最终能量特征值的1/2作为第一阈值对能量特征矩阵进行二值分割，小于第一阈值的像素点的赋值为0，大于第一阈值的像素点赋值为1，并在此基础上进行图像增强、形态学和中值滤波、删除小面积对象操作获得第一视网膜分割图像。

6.根据权利要求4所述的分隔方法，其特征在于：所述图像增强通过imadjust函数实现，所述中值滤波通过medfilt2函数实现，所述删除小面积通过bwareaopen实现，所述形态学操作采用形态闭操作。

7.根据权利要求4所述的分割方法，其特征在于：步骤s2中，基于标准差特征对视网膜灰度图像进行分割的步骤包括：S231、通过灰度共生矩阵计算灰度图像上每个像素的标准差，得到标准差特征矩阵；

S232、对标准差特征矩阵内所有像素的按标准差大小进行排序，设置第二阈值对步骤S41所得的标准差特征矩阵进行二值化分割，得到第一标准差二值矩阵；

S233、对步骤S231所得的标准差特征矩阵所有像素按标准差大小进行排序后设置第三阈值进行分割，得到第二标准差二值矩阵，所述第二标准差二值矩阵形成视盘区域的掩膜；

S234、将第二标准差二值矩阵作为掩膜覆于第一标准差二值矩阵上得到第二视网膜分割图像。

8.根据权利要求7所述的分割方法，其特征在于：所述第二阈值为非零值像素数量的2/

3，第三阈值的像素数量为K2的1％。

9.根据权利要求7所述的分割方法，其特征在于：第一标准差二值矩阵的表达式为：其中：Z1为标准差特征矩阵非零值像素点的排序集合，Y1为第一标准差二值矩阵；

第二标准差二值矩阵表达式为：

其中：Z1为标准差特征矩阵非零值像素点的排序集合，Y2为第二标准差二值矩阵。

10.根据权利要求1所述的分割方法，其特征在于：步骤S1中，通过分量法或最大值法或平均值法或加权平均法对彩色视网膜图像进行灰度化处理；

所述掩膜为二维矩阵数组或多值图像，用于突出感兴趣区域，屏蔽噪声区域。